論文の概要: Beyond Edge Coverage: Per-Task Data-Flow Extraction at Kernel Function Boundaries via LLVM

• arxiv url: http://arxiv.org/abs/2606.00455v1
• Date: Sat, 30 May 2026 00:42:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 15:24:13.98919
• Title: Beyond Edge Coverage: Per-Task Data-Flow Extraction at Kernel Function Boundaries via LLVM
• Title（参考訳）: エッジカバレッジを超えて:LLVMによるカーネル関数境界でのタスク毎のデータフロー抽出
• Abstract要約: LLVMベースのインスツルメンテーションフレームワークであるBOUNDaryをLinux KCOVを拡張し,関数引数と戻り値のデータフロー抽出を行う。 複合型は、ソースアノテーションがゼロのDWARF DITypeメタデータを介して自動的に生成される。 個別のカーネル装置は、既存のKCOVやシスカラーのインフラに干渉することなく、ロックフリーのタスク単位のリングバッファを提供する。
• 参考スコア（独自算出の注目度）: 0.304585143845864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coverage-guided kernel fuzzers such as syzkaller rely on edge coverage (trace-pc) as their sole feedback signal. This context-blind approach cannot distinguish execution paths that differ only in argument values. for example, two invocations of copy_from_user() with different size parameters hit identical basic blocks yet have vastly different security implications. We present BOUNDARY FLOW, an LLVM-based instrumentation framework that extends Linux KCOV with data-flow extraction of function arguments and return values. A compiler pass (-fsanitize-coverage=dataflow-args, dataflow-ret) emits lightweight callbacks capturing a structured tuple <PC, arg_idx, arg_size, ptr, offsets[]> at function entry and <PC, ret_size, ptr, offsets[]> at return. Composite types are automatically decomposed via DWARF DICompositeType metadata with zero source annotation. A separate kernel device(/sys/kernel/debug/kcov_dataflow) provides lock-free per-task ring buffers with no inter ference to existing KCOV or syzkaller infrastructure. We demonstrate dual utility: fuzzers gain state-aware feedback for mutation guidance into value-dependent state transitions, and security analysts obtain deterministic argument records for root-cause analysis without printk or kprobe overhead. A post-compilation pipeline (rustc, opt, llc) enables Rust kernel module instrumentation without modifying rustc, the only runtime method for capturing Rust function arguments given that drgn/vmcore fails under-O2 DWARF elision. Evaluated on five vulnerability classes (OOB, UAF, double-free, 10 deep chain propagation, Rust FFI, Rust for Linux Modules) with <3% overhead on instrumented paths.
• Abstract（参考訳）: サイズカラーのような被覆誘導型カーネルファザは、唯一のフィードバック信号としてエッジカバレッジ(トラス-pc)に依存している。 この文脈盲のアプローチは、引数値だけが異なる実行パスを区別することはできない。 例えば、異なるサイズのパラメータを持つ copy_from_user() の2つの呼び出しは、同じ基本的なブロックをヒットさせるが、セキュリティに大きく異なる意味を持つ。 LLVMベースのインスツルメンテーションフレームワークであるBOUNDary FLOWをLinux KCOVを拡張し,関数引数と戻り値のデータフロー抽出を行う。 コンパイラパス(-fsanitize-coverage=dataflow-args, dataflow-ret)は、関数エントリ時に構造化タプル<PC, arg_idx, arg_size, ptr, offsets[]>をキャプチャする軽量コールバックを出力する。 複合型は、ソースアノテーションがゼロのDWARF DICompositeTypeメタデータを介して自動的に分解される。 別個のカーネルデバイス(/sys/kernel/debug/kcov_dataflow)は、既存のKCOVやsyzkallerインフラストラクチャとの相互参照のない、ロックフリーのタスク単位のリングバッファを提供する。 ファジィアは、突然変異誘導のための状態認識フィードバックを値依存状態遷移に取得し、セキュリティアナリストは、プリントやkprobeのオーバーヘッドを伴わずに、根本原因分析のための決定論的引数レコードを取得する。 コンパイル後パイプライン(rustc, opt, llc)により、rustcを変更することなくRustカーネルモジュールのインスツルメンテーションが可能になる。 5つの脆弱性クラス(OOB, UAF, double-free, 10 Deep chain propagation, Rust FFI, Rust for Linux Modules)で評価された。

関連論文リスト

• No Bit Left Behind: Using Brute-Force Lifting to Achieve Fully Static Binary Recompilation [1.5034998782245808]
  本稿では,完全に静的なプログラム全体のバイナリリフトシステムについて述べる。 このアプローチは、x86-64バイナリからLLVM IRへのプロトタイプバイナリランタイムとして実装されており、コード/データランタイムは必要ありません。
  論文  参考訳（メタデータ） (2026-09-14T23:00:09Z)
• Omni2LoRA: Coherence-Preserving Parametric Memory for Efficient Omni Language Models [65.49950267695267]
  我々はコヒーレンス保存コンテクスト蒸留によるパラメトリックメモリの効率的な圧縮フレームワークであるOmni2LoRAを紹介する。 本手法は,マルチモーダルメモリを固定予算で再利用可能なパラメータ状態に変換することにより,応答時間のマルチモーダルトーケン負荷をゼロにする。
  論文  参考訳（メタデータ） (2026-08-10T07:49:10Z)
• The Linux IOCTL Census: A Source-Derived Database of the Linux Kernel Control-Code Surface [0.0]
  IOCTL Censusはioctlシステムコールのソース由来でクエリ可能なインベントリである。 我々は最近の22種の木内ioctl CVEに対する調査をバックテストし、オープンデータとして構造層を解放する。
  論文  参考訳（メタデータ） (2026-06-09T01:28:45Z)
• FuseFSS: Efficient Secure LLM Inference with Function Secret Sharing [10.153726524753628]
  演算子ごとのプロトコル設計を単一のコンパイルパイプラインで置き換えるコンパイラであるFuseFSSを提案する。 現在の最先端のFSSベースのGPUセキュア推論と比較すると、FuseFSSは精度を保ちながら、1.24times$--$1.50times$エンドツーエンドのスピードアップを達成する。
  論文  参考訳（メタデータ） (2026-06-08T14:30:00Z)
• parallelcbf: A composable safety-filter and auditability framework for tensor-parallel reinforcement learning [0.45470638320073126]
  我々はParallelCBF v0.1.0をApache2.0でリリースし、4層構成可能なAPI、デュアルバリア(二乗/線形予測)CBFのCPUPyTorch参照実装を組み込んだ。 我々は,フレームワークの監査性層が,事前登録された収束基準を満たしない下流トレーニング段階を停止する,代表的なエンドツーエンドパイプライン実行を報告した。
  論文  参考訳（メタデータ） (2026-05-15T01:06:16Z)
• Enforcing Benign Trajectories: A Behavioral Firewall for Structured-Workflow AI Agents [0.0]
  codenameはテレメトリ駆動の動作異常検出ファイアウォールである。 codenameは検証済みの良性ツールコールテレメトリをパラメータ化された決定論的有限オートマトンにコンパイルする。 コードネームは5つのシナリオで5.6%のマクロ平均攻撃成功率(ASR)を達成する。
  論文  参考訳（メタデータ） (2026-04-29T04:02:59Z)
• ENCRUST: Encapsulated Substitution and Agentic Refinement on a Live Scaffold for Safe C-to-Rust Translation [5.10072982044534]
  安全なC-to-construct通訳のためのLive Scaffoldのカプセル化置換とエージェントリファインメントについて述べる。 現実世界のCプロジェクトを安全にRustに変換するための2フェーズパイプラインを提示する。 フェーズ1(カプセル化された置換)は、ABIutilラッパーを使用して各関数を2つのコンポーネントに分割する。 フェーズ2(Agentic Refinement)は、機能ごとのスコープを超えた安全でない構成を解決します。
  論文  参考訳（メタデータ） (2026-04-06T08:46:14Z)
• Label-Free Cross-Task LoRA Merging with Null-Space Compression [50.63908869296697]
  我々は,ラベルフリーで出力に依存しない手法であるNull-Space Compression (NSC) Mergingを紹介した。 NSCは、従来のメソッドがタスクのサブセットに収まるバランスの取れたゲインを持つ20の異種視覚タスクに対して、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-27T11:34:41Z)
• Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All [57.23434868678603]
  Live-kBenchは、新たに発見されたカーネルバグのエージェントをスクラップし、評価するセルフ進化ベンチマークの評価フレームワークである。 kEnvは、カーネルのコンパイル、実行、フィードバックのためのエージェントに依存しないクラッシュ解決環境である。 kEnvを用いて3つの最先端エージェントをベンチマークし、最初の試行で74%のクラッシュを解決したことを示す。
  論文  参考訳（メタデータ） (2026-02-02T19:06:15Z)
• Residual Context Diffusion Language Models [90.07635240595926]
  Residual Context Diffusion (RCD) は、捨てられたトークン表現をコンテキスト残留に変換し、次のデノイングステップでそれらを注入するモジュールである。 RCDは、最小限の計算オーバーヘッドで、5-10ポイントの精度でフロンティアdLLMを一貫して改善する。
  論文  参考訳（メタデータ） (2026-01-30T13:16:32Z)
• FuzzRDUCC: Fuzzing with Reconstructed Def-Use Chain Coverage [6.827408090670258]
  バイナリのみのファジィは、コードカバレッジを徹底的に達成し、隠れた脆弱性を明らかにするのに苦労することが多い。 本稿では,FzzRDUCCというファジィフレームワークを紹介した。このファジィフレームワークは,定義使用(def-use)チェーンをバイナリ実行ファイルから直接再構成する。
  論文  参考訳（メタデータ） (2025-09-05T09:47:34Z)
• ReF Decompile: Relabeling and Function Call Enhanced Decompile [50.86228893636785]
  逆コンパイルの目標は、コンパイルされた低レベルコード(アセンブリコードなど)を高レベルプログラミング言語に変換することである。 このタスクは、脆弱性識別、マルウェア分析、レガシーソフトウェアマイグレーションなど、さまざまなリバースエンジニアリングアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-02-17T12:38:57Z)
• FoC: Figure out the Cryptographic Functions in Stripped Binaries with LLMs [51.898805184427545]
  削除されたバイナリの暗号関数を抽出するFoCと呼ばれる新しいフレームワークを提案する。 まず、自然言語における暗号関数のセマンティクスを要約するために、バイナリ大言語モデル(FoC-BinLLM)を構築した。 次に、FoC-BinLLM上にバイナリコード類似モデル(FoC-Sim)を構築し、変更に敏感な表現を作成し、データベース内の未知の暗号関数の類似実装を検索する。
  論文  参考訳（メタデータ） (2024-03-27T09:45:33Z)
• Automatic Bill of Materials [5.14387789987357]
  ABOMはそれぞれの異なる入力ソースコードファイルのハッシュをコンパイラが出力するバイナリに埋め込む。 エコシステム全体で活用すれば、ABOMは高速サプライチェーンアタック検出のためのゼロタッチ、後方互換性、ドロップインソリューションを提供する。
  論文  参考訳（メタデータ） (2023-10-15T05:48:11Z)
• iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
  Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。 IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。 IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
  論文  参考訳（メタデータ） (2020-06-23T02:57:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。